В связи с проблемами обратного определения коэффициента фильтрации плотин с каменной насыпью и сердечником высокой плотности, такими как сильная нелинейность, широкий диапазон коэффициентов и трудности обучения на малых выборках, предложен метод параметрической инверсии, сочетающий латинское гиперкубическое выборочное моделирование в логарифмическом пространстве с улучшенным алгоритмом поиска воробья для оптимизации параметров опорной векторной регрессии. Использован латинский гиперкубический отбор (LHS) для генерации начальной выборки с высокой пространственной заполняемостью и масштабным балансом в логарифмическом пространстве; выявлен недостаток стандартного алгоритма поиска воробья (SSA) — склонность к застреванию в локальных экстремумах, для борьбы с чем введена карта Tent хаоса для улучшения начальной обходки популяции, а также применена стратегия мутации Коши, позволяющая динамически избегать локальных оптимумов и обеспечить адаптивный поиск ключевых гиперпараметров поддержки векторной регрессии (SVR). В качестве примера построена модель для обратного определения коэффициента фильтрации плотины с сердечником гидроэлектростанции Шилонпин. Результаты показывают, что предложенный метод обладает более высокой точностью прогноза при малых выборках; полученный коэффициент фильтрации удовлетворяет градиентным законам дренажной противофильтрационной системы; RMSE вычисленного уровня воды в контрольных точках по сравнению с измеренным составляет 1,36 м, максимальная относительная ошибка — 0,1204 %, средняя относительная ошибка — 0,039 %, что лучше, чем у моделей машинного обучения, таких как BP-нейронная сеть и случайный лес.

каменная насыпь;фильтрация;обратное определение параметров;опорная векторная регрессия;усиленный алгоритм поиска воробья